ベイズ統計・ロジスティック回帰・決定木とは？

ベイズ統計・ロジスティック回帰・決定木の意味

ベイズ統計は、事前分布として置いた確率を、観測されたデータで更新して事後分布を得る枠組み。ロジスティック回帰は、購入する／しないのような2値の事象が起こる確率を、説明変数から推定する分析手法。決定木分析は、説明変数の条件で枝分かれさせて分類・予測のルールを導く手法で、結果の解釈が容易な点が特徴。

ベイズ統計・ロジスティック回帰・決定木の具体例

過去の顧客データから解約確率をロジスティック回帰で推定し、要因の解釈が必要な場面では決定木で「契約期間6か月未満かつ問合せ3回以上」といった条件を抽出する。

ベイズ統計・ロジスティック回帰・決定木は試験でどう引っ掛けられる？

「2値の結果が起こる確率を推定」＝ロジスティック回帰。「属性で分岐させて有望なセグメントを見つける」＝決定木。

ベイズ統計・ロジスティック回帰・決定木と関連する用語

• データマイニング
• 協調フィルタリング

ベイズ統計・ロジスティック回帰・決定木が出た過去問

• ビッグデータ分析の手法の一つであるデシジョンツリーを活用してマーケティング施策の判断に必要な事象を整理し、発生確率の精度を向上させた上で二つのマーケティング施策…

  正解：b／82

  要点：決定木は末端から期待値を遡り、途中の意思決定点では有利な枝を選ぶ

  決定木は末端から遡って期待値を計算します。施策aは、確率0.4の枝で追加投資する場合の期待利益が70億円（追加しない場合の50億円より有利）、確率0.6の枝が120億円なので、0.4×70＋0.6×120＝100億円から初期費用30億円を引いて70億円です。施策bは、0.3の枝で追加投資する場合が80億円、0.7の枝が140億円なので、0.3×80＋0.7×140＝122億円から初期費用40億円を引いて82億円となり、bが有利です。

  出典：令和1年度 秋期 応用情報技術者試験 午前 問74（IPA）

• ビッグデータを有効活用し、事業価値を生み出す役割を担う専門人材であるデータサイエンティストに求められるスキルセットを表の三つの領域と定義した。データサイエンス力…

  正解：分析要件に応じ、決定木分析、ニューラルネットワークなどのモデリング手法の選択、モデルへのパラメタの設定、分析結果の評価ができる。

  要点：データサイエンス力は統計・機械学習でモデルを選び評価する力

  データサイエンス力は、統計学や機械学習といった情報科学の知識を使って、予測・検定・関係性の把握やデータの加工・可視化を行う力と定義されている。決定木分析やニューラルネットワークといったモデリング手法を選び、パラメタを設定し、結果を評価する能力はまさにこの領域に当たる。

  出典：令和1年度 春期 応用情報技術者試験 午前 問63（IPA）

• ビッグデータ分析の手法の一つであるデシジョンツリーを活用してマーケティング施策の判断に必要な事象を整理し、発生確率の精度を向上させた上で二つのマーケティング施策…

  正解：施策b、期待値82億円

  要点：決定木は末端から期待値を求め、意思決定点では最大値を採る

  枝の先に意思決定の分岐がある場合は、その時点で期待値の高いほうを選ぶものとして計算する。施策aは追加投資の枝が70、他方が120で、0.4×70＋0.6×120－30＝70となる。施策bは追加投資の枝が80、他方が140で、0.3×80＋0.7×140－40＝82となり、施策bが有利である。

  出典：令和5年度 春期 応用情報技術者試験 午前 問75（IPA）

• ベイズ統計の説明として、適切なものはどれか。

  正解：事前分布・事後分布といった確率に関する考え方に基づいて体系化されたものであり、機械学習、迷惑メールフィルターなどに利用されている統計理論

  要点：ベイズ統計は事前分布をデータで事後分布へ更新する理論

  ベイズ統計は、事前分布として仮定した確率を、観測されたデータによって事後分布へ更新していくという考え方に基づく統計理論である。データが少なくても推論でき、逐次的に更新できる特徴から、迷惑メールフィルターや機械学習に広く応用されている。

  出典：令和6年度 秋期 応用情報技術者試験 午前 問76（IPA）